基于野外观测和TM数据的锡林浩特典型草原MODIS/LAI产品验证

通过2008年夏季生长季的3期LAI野外观测和TM图像的处理分析,对锡林浩特国家观象台附近24 km2典型草原区的MODIS/LAI产品精度从时空2种维度进行了评估。结果显示,在时间维度上,MODIS/LAI产品可以较为准确的体现草地植被生长轨迹;在空间维度上,MODIS/LAI产品与TM/LAI反演结果有相似的变化趋势。以TM/LAI结果为参考真值,MODIS/LAI产品的相对均方根误差约为24%,并存在10.8%的正偏差,表明有一定程度的高估。误差分析结果显示,MODIS/LAI产品精度主要受到土壤背景光谱以及地表均匀程度的影响,在LAI较小的区域,以及在草地空间异质性因受人类活动而增强的7月初和8月末,MODIS/LAI产品误差更大。

基于PROSAIL模型及HJ-1A-CCD2影像的MODIS/LAI产品精度验证

选取呼伦贝尔温带草甸草原为研究区,设计3km×3km试验样地,采集地面实测数据,用基于HJ-1ACCD2影像的PROSAIL模型反演的LAI值作为中间桥梁进行尺度上推,对MODIS/LAI产品进行验证与评估。结果表明,MODIS/LAI产品与地面实测LAI值相比,两者相对误差为28.1%,其精度受地表异质性、土壤背景影响较大,在草地植被相对均质的情况下,MODIS/LAI产品值高于地面实测值,高估约为0.04,相对误差为5.8%;在草地植被非均质条件下,MODIS/LAI产品值高于地面实测值,高估约为0.18,相对误差为32.7%。与基于尺度上推的1km HJ-1A-CCD2/LAI值相比,两者相对误差为13.5%。

基于PROSAIL混合反演模型的MODIS LAI产品改进及评估

叶面积指数(Leaf Area Index,LAI)是定量陆地生态系统中光合作用、呼吸作用、蒸腾、碳和养分循环等过程中物质与能量交换的重要结构参数。目前大、中尺度的气候和生态水文建模使用的LAI产品主要来源于中分辨率成像光谱仪(MODIS),但由于其反演过程中的不确定性因素导致MODIS LAI产品在部分地区存在质量问题。以青海省复杂植被地区为研究区域,基于实地考察与采样验证了区域内MODIS LAI所存在的质量问题分布,并揭示了不确定因素的影响。与此同时,提出了一种基于PROSAIL模型与深度神经网络(DNN)的混合建模技术,针对MODIS LAI生成机制中地表分类数据、地表反射率数据和反演算法的不确定性进行改进,并基于青海省大范围实测LAI数据评估了改进前后产品的准确度,实测数据的验证结果发现:改进模型的LAI准确度(RMSE=0.48,R^(2)=0.64)显著高于MODIS LAI(RMSE=0.71,R^(2)=0.56),预测结果与实测结果之间的偏差显著减少;区域尺度上,柴达木荒漠植被低覆盖典型区域、三江源高寒草甸中覆盖典型区域与青海湖牧场草地高覆盖典型区域的RMSE分别提高了0.19、0.10、0.54,改进方法有效解决了MODIS LAI产品中高覆盖植被饱和效应导致的高估以及低覆盖植被未检索导致低估的质量问题,改进结果分布连续,更符合真实植被状况。基于以上研究,充分证明了研究方法对MODIS LAI产品的改进具有可靠性,能够在缺少实测样本数据的情况下有效提高MODIS LAI的质量,为全球植被环境监测与生态建模提供重要的数据支持。

中国区域MODIS LAI产品及其改进

叶面积指数(LAI)是表征地表植被生长状况和进行陆面过程系统模拟的一个重要参数,搭载在Terra和Aqua两颗卫星上的MODIS传感器能够长时间收集全球陆地表面LAI的变化信息。然而,目前发布的MODIS LAI数据产品的时空不连续性制约着MODIS LAI产品在农作物长势监测与产量估计、地球表面过程模拟、全球变化研究等领域的应用。论文对中国区域MODIS LAI的标准产品进行了分析和总结,指出造成目前发布的中国区域MO-DIS LAI的标准产品在时间和空间上的不连续性,既有MODIS LAI反演算法的原因,更有MODIS反射率数据质量的原因。针对中国区域MODIS LAI标准产品存在的时空不连续性问题,论文在TSF滤波算法的基础上,进一步考虑地表反射率数据质量对MODIS LAI标准产品的影响,提出了改进的TSF滤波算法,并给出了基于该算法生成的时间上和空间上更具连续性的中国区域的MODIS LAI改进产品。本文发展的新算法和LAI改进产品可为相关研究提供LAI数据和产品算法参考。

呼伦贝尔草甸草原MODIS/LAI产品验证

以内蒙古呼伦贝尔草甸草原为研究区域,利用2013年6期地面实测数据,结合HJ-1A/B CCD高分辨率影像,经过辐射校正与模型建立,对研究区域草原生长季的MODIS/LAI产品进行验证。结果表明:在时间上,MODIS/LAI产品能够较好地反映草原的长势与物候变化。在空间上,由于MODIS/LAI产品输入数据的不确定性,MODIS/LAI产品与地面情况存在一定偏差(ΔLAI=0.59m2/m2),在呼伦贝尔草甸草原草场整个生长季都存在高估现象,平均相对误差为40%。在生长初期和末期,较大的地表异质性使MODIS/LAI产品高估现象较严重;生长中期高估现象减小,相对误差在30%以内。研究结果对了解该地区的MODIS/LAI产品精度与使用该地区MODIS/LAI产品具有重要指导意义。

基于Logistic模型的春玉米MODIS LAI产品订正

基于Logistic模型,利用2011—2013年辽宁省实测的叶面积指数和作物发育期数据,构建回归模型对MODIS LAI产品进行订正及效果检验。以抽雄期为分界线,分2个时段构建Logistic模型,对春玉米的全生育期进行模拟,利用模拟结果建立MODIS LAI产品的多种订正模型,其中二次多项式模型相关性最好,决定系数达到0.975。利用2013年实测数据对订正模型进行检验,在抽穗期和乳熟期将MODIS LAI产品监测误差从45%降低到10%左右,为提高MODIS LAI产品在中国北方地区旱田的适用性和反演精度提供数据基础。

基于集合卡尔曼滤波的帽儿山森林多源LAI产品重建及融合校正方法

【目的】现有叶面积指数(LAI)产品大多存在分辨率低、数据异常和精度低等问题,难以满足某些应用需求。因此,本研究提出一种多源LAI数据的融合方法,以减少不同来源数据的差异并提高产品精度。【方法】以帽儿山实验林场的阔叶林和针叶林区域为研究区,基于2017年的MODIS、VIIRS和PROBA-V的LAI产品,利用多年LAI数据作为先验知识建立LAI背景库修正低质量数据,对3种LAI数据集进行混合像元分解的降尺度处理,基于Sentinel-2反射率产品耦合集合卡尔曼滤波(EnKF)算法、LAI动态模型和辐射传输模型进行数据同化,最后对同化后的3种LAI数据进行赋权融合,使用实测数据进行精度评价。【结果】在阔叶林,同化后的MODIS、VIIRS和PROBA-V LAI与实测数据的相关系数分别为0.59、0.56和0.62,比原始数据提升了0.57、0.52和0.57;均方根误差分别为0.37、0.31和0.14,比原始数据减小了1.23、1.69和1.06。在针叶林,同化后的MODIS、VIIRS和PROBA-V LAI与实测数据的相关系数分别为0.59、0.49和0.56,比原始数据提升了0.52、0.30和0.40;均方根误差分别为0.24、0.28和0.19,比原始数据减小了1.22、0.67和1.35。通过融合方法,阔叶林LAI和针叶林LAI的相关系数分别为0.83和0.76,比同化后数据的相关性更高;均方根误差分别为0.15和0.13,比同化后数据的误差更小。【结论】通过数据同化提升了3种LAI产品精度,融合后LAI较同化后单一LAI具有更高的精度和可靠性。

基于MODIS反演逐日LAI及SIMRIW模型的冷害对水稻单产的影响研究

该文旨在将遥感技术与水稻作物模型SIMRIW相结合,以黑龙江省五常市为例,研究冷害对水稻单产的影响。通过在水稻移栽期至成熟期选取的系列MODIS图像计算NDVI,进而反演水稻全生育期逐日LAI,结合SIMRIW模型计算水稻单产。计算结果表明2006年五常市水稻单产值为5411.74 kg/hm2,为实际值的83%;而在4种用于LAI反演的统计模型中,抛物线模型精度最好;整体拟合法在逐日LAI计算中要优于分段拟合法。这说明应用MODIS能够准确反演并拟合逐日LAI,它可为冷害影响水稻单产的评价研究提供参考。

MODIS混合像元中居民地对玉米LAI和FPAR遥感估算影响

MODIS成为越来越重要的科研和生产的数据源,但其低空间分辨率使得其产品精度易受多种因素的影响,其中混合像元是主要的影响因素。均匀散布的农村居民地是中国东北农作物种植区的显著特征,目前尚未见到有关居民点对MODIS混合像元产品精度的影响研究报导。本研究基于TM遥感影像分析了典型玉米种植区的居民地对MODIS LAI、FPAR产品精度的影响。结果表明,96%以上MODIS像元的农村居民地面积比例小于40%,居民地对LAI、FPAR遥感估算精度影响较为明显,MODIS像元中居民地面积比例与红波段反射率及LAI、FPAR遥感估算的误差呈较好的线性关系,拟合确定性系数R2达到0.90以上,与近红外波段反射也呈线性关系,拟合确定性系数R2仅达0.3423,MODIS像元在近红外波段反射率受居民地影响较显著。

基于PROSAIL模型及TM与实测数据的MODISLAI精度评价

利用PROSAIL模型和TM影像反演的叶面积指数LAI及地面实测数据,从空间和时间序列上分别对吉林省主要玉米种植带的MODISLAI产品精度进行验证分析,为准确评价和科学准确应用MODIS数据提供科学依据。研究结果表明,MODISLAI产品精度因玉米生长时期和植被类型而异,混合像元是造成MODISLAI产品低估玉米作物LAI值的主要原因之一;不同年份不同生长时期,MODISLAI和实测数据表现出不同的关系;在玉米生长灌浆期之后,MODISLAI产品与同期地面实测玉米LAI相比,约低估了33%～53%左右,MODISLAI产品值明显低于TM影像反演的LAI值,约低估玉米LAI值约30%～69%左右。因MODISLAI产品值与实际值有较大偏差,非常有必要对农作物MODISLAI产品值进行验证分析,研究结果可为准确利用MODISLAI产品及其算法改进后产品精度提供一种评价途径。

基于MODIS的LAI时间序列谱的地物分类方法研究

利用MODIS数据所反演的每8d一景,全年共46景的时间序列叶面积指数(LAI)图像,分析江西省不同类型地物的LAI时间序列谱,并对地物进行分类。首先,利用最小噪声比变换技术(MNF)将噪声从数据中分离;然后,通过纯净像元指数(PPI)从LAI时间序列谱中提取5类主要地物类型终端单元(Endmember),从而对地物进行分类并制图;最后,结合2000年江西省兴国县1 10万比例尺的土地利用/覆盖矢量图对本研究分类结果进行检验。结果表明,该方法的地物分类精度达到74.45%,其分类方法是有效可行的。

不同植被LAI的MODIS反演及其在青藏高原东部的应用

应用Terra和Aqua卫星的MODIS资料和三维叶分布模式,结合MODIS陆地植被覆盖产品数据,估算了6种生物群落的LAI,并与我国西北地区叶面积仪观测结果进行了对比和分析。结果表明,从两颗卫星连续8天的观测资料可以估算出LAI,反演结果的相对误差基本在±20%以内,平均相对误差为13.7%,说明该方法可以反演实际植被的LAI;根据植被类型的差异,建立了6种生物群落LAI与NDVI的指数关系,相关性较好;青藏高原东部的LAI时间变化有不一致性的特征,反映了不同生物群落的生物学特性的差异;不同季节的LAI变化在空间上有很大差异,说明本研究区域西部冷、干和高原东部相对暖、湿的复杂气候特征。

黑河及汉江流域MODIS叶面积指数产品质量评价

叶面积指数(LAI)是MODIS地面队伍生产的一系列标准产品之一,对其进行独立的质量评价有助于用户了解数据的适用性。本文用近同时相的Landsat影像及野外实测LAI数据获得了黑河及汉江两个研究区高分辨率的LandsatLAI分布图。基于此,对MODISLAI数据进行了质量评价,评价指标包括统计特征和空间特征。分析结果表明,就统计特征而言,MODISLAI数据值一般低于Landsat的LAI值,在植被覆盖较好的汉江区低估约10%,在植被覆盖稀疏的黑河区,LAI值低估达58%;就空间特征而言,两个研究区的结果都表明MODISLAI数据无法很好地体现植被空间分布信息,在黑河区存在大量低植被覆盖像元被归类为非植被覆盖区的情况。

融合MODIS与ASTER数据生成高空间分辨率时间序列LAI方法研究

为了得到高时间分辨率和高空间分辨率的LAI产品,提出一种方法,可以融合MODIS LAI产品的高时间分辨率和ASTER数据的高空间分辨率优势,该方法利用MODIS全年的LAI产品和少数景ASTER高分辨率数据,最终得到ASTER尺度上全年时间序列的LAI.其中主要利用高分辨率图像的分类图像,和MODIS配准得到MODIS各像元内的各地类百分比,利用混合像元分解方法得到高分辨率尺度上各个地类的LAI时间变化曲线.再利用高空间分辨率影像反演得到的LAI值来调整这条曲线,从而得到高空间分辨率时间序列的LAI.

基于MODIS产品和SEBAL模型的三江平原日蒸散量估算

在SEBAL模型的基础上,集成MODIS产品和气象数据进行了三江平原的日蒸散量估算,然后以2005年6月22日的蒸散量估算结果为例,在ArcGIS空间分析模块的支持下对不同土地覆盖类型的日蒸散量进行统计分析。结果表明:遥感估算的蒸散量与利用涡度相关系统实测的蒸散量的相对误差较小且相关性较好,平均相对误差为11.2%;不同土地利用类型的日蒸散量间差别显著。水体和林地的蒸散量较大,平均蒸散量分别为8.2mm和6.5mm;湿地和水田次之,平均分别为5.2mm和4.8mm;旱田的蒸散量最低,平均仅为3.7mm,基本符合蒸散规律。

基于MODIS的青藏高原逐日无云积雪产品算法

青藏高原积雪对高亚洲地区水和能量循环起着重要的反馈和调节作用,其变化影响着融雪性河流流量,对下游水资源和经济活动具有重要影响。中分辨率成像光谱仪(MODIS)具有较高的时空分辨率,被广泛应用于积雪遥感动态监测,然而光学遥感积雪受云层影响严重,且青藏高原地区水汽分布不均,局地对流活跃,积雪的赋存时间变化快,这给高原地区逐日积雪监测及其气候学制图带来挑战。在考虑青藏高原地形和积雪分布特征情况下,结合现有的云覆盖下积雪判别算法,采用8个不同方法的组合,逐步实现MODIS逐日无云积雪算法。选取2009年10月1日-2011年4月30日两个积雪季为研究期,并采用145个地面台站观测雪深数据对去云算法各步骤过程开展精度验证,结果表明:当积雪深度>3 cm时,逐日无云积雪产品总分类精度达到96.6%,积雪分类精度达83%,积雪判对概率(召回率)达到89.0%,算法可实现青藏高原地区逐日无云积雪动态监测和积雪覆盖气候学数据重建,对高亚洲地区的水、生态和灾害等全球环境变化影响研究具有重要的意义。

MODIS产品反演与WRF模式默认植被覆盖度对比研究

WRF模式气候态植被覆盖度GVF数据集的制作源于卫星遥感资料,由于制作时间较早代表性逐渐变差,最新的MODIS遥感产品可用于WRF模式下垫面数据集的更新。本文利用2013年MODIS卫星遥感产品反演的植被覆盖度更新WRF模式默认的气候态数据集,进一步利用WRF模式计算与GVF相关的地表参数,并与WRF模式默认数据进行对比。结果表明:利用MODIS更新后的GVF在2013年不同季节均较WRF模式默认的气候态GVF偏高,尤其是中国南方和东北地区表现的"更绿";MODIS制作GVF的原数据空间分辨率为1 km,较WRF模式默认数据集的分辨率更高,适合高分辨率中尺度模式下垫面数据集的更新,更新后的GVF数据更细致,尤其是夏季城市下垫面GVF较周围偏低非常明显;通过分析GVF变化引起的叶面积指数、地表反照率和地表发射率的变化可知,农作物植被类型叶面积指数的变化最显著。东北地区森林覆盖虽较广,但由于森林的叶面积指数年季变化相对较小,叶面积指数增量并没有农作物的明显。地表反照率和地表发射率也与WRF模式默认值有一定的差异。通过对比可见,更新后的GVF对WRF模式下垫面描述有一定的影响,需进一步开展季节尺度的模拟试验,对比植被覆盖度的变化对WRF模式模拟的影响。

使用MODIS陆地产品LST和NDVI监测中国中、西部干旱

利用中分辨率成像光谱仪AQUA-MODIS卫星资料反演的地表温度LST和归一化差值植被指数NDVI,在中国中、西部地区应用植被温度混合状态指数VTCI方法,遥感监测干旱的空间分布状况。同时结合该地区有代表性的气象站逐月降水资料与VTCI指数进行相关分析,来验证此方法的适用性。结果表明,VTCI指数不仅与当月的降水量,也与其前期2至6个月的累积降水量有较好的线性相关性,显示VTCI方法不仅是较为有效的近实时大范围干旱监测方法,对于干旱的缓慢发展过程也有一定指示作用。

一种基于MODIS积雪产品的雪线高度提取方法

冰川雪线高度的遥感提取对冰川物质平衡研究具有重要意义。提出一种基于晴空环境下积雪覆盖频率的雪线高度提取方法。使用MOD10A1积雪产品中的像元积雪面积比例数据,提取了2000/2001-2014/2015年间高亚洲地区冰川消融期末雪线高度。使用实测的冰川年物质平衡资料和气象格网数据对提取的雪线高度变化的可信度进行分析。研究表明:近15 a高亚洲雪线高度变化及趋势具有明显的东西差异,雪线高度变化幅度自青藏高原内部地区向四周呈增加趋势,西部大于东部。提取的冰川雪线高度变化与观测的年物质平衡序列具有很高的相关性,对物质平衡波动的平均解释率可高达75%;与气象要素(气温、降水)的年际变化的相关性也较高,约61.58%的格网冰川雪线高度变化可以由夏季气温和季节降水解释。而高亚洲各分区冰川雪线高度的波动规律也与大气环流背景分布一致。因此提取的雪线高度变化具有冰川学意义,可以进一步应用于冰川物质平衡估算及模拟研究中。

MODIS遥感数据产品处理流程与大气数据获取

MODIS是美国NASA的ESE计划中最重要的传感器。它具有36个通道,空间分辨率为2 5 0～10 0 0m ,是新一代的图谱合一的遥感仪器。它的数据在地球长期观测、地球环境监测、自然灾害监测方面具有广泛的应用前景和重大意义。本文首先对EOS计划和MODIS仪器的特性进行概述,然后对MODIS的数据产品进行了介绍,再以大气为主,描述了MODIS原始数据到0级数据、1级、2级及更高级产品的处理流程和算法。重点介绍了由0级数据到2级数据的处理过程和IMAPP及其处理结果,并简要的把IMAPP的处理过程与DAAC的进行对比,最后对IMAPP的大气产品进行了详细说明。